声明
1绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 挖掘社会化标签
1.2.2 微博用户个性化标签
1.3 本文的主要研究内容和章节安排
2推荐算法研究基础
2.1 主流模型简要介绍
2.1.1 TFIDF方法分析
2.1.2 LDA模型分析
2.1.3 TextRank方法分析
2.2 实验数据的获取
2.3 同质性和共现性现象的验证
2.3.1 标签行为的同质性
2.3.2 标记行为中的共现现象
2.4 本章小结
3基于互动挖掘用户潜在标签
3.1 算法中的定义
3.1.1 算法的假设条件
3.1.2 定义
3.2 确定已有标签的初始权重
3.2.1 标签和微博向量
3.2.2 用户的标签权重计算
3.2.3 用户交互过程的标签传播分析
3.3 主题兴趣标签更新
3.4 实验评估
3.4.1 权重因子α和β的分析
3.4.2 用户之间交互次数的影响
3.4.3 五种算法的性能
3.5 与其他方法比较
3.6 本章小结
4标签共现与语义冗余消除
4.1 推荐算法的实现
4.1.1 共现方法扩展标签
4.1.2 消除语义冗余
4.2 参数学习
4.3 实验测试
4.3.1 实验设置
4.3.2 实验结果
4.4 实例分析
4.5 本章小结
5总结与展望
5.1 总结
5.2 展望
致谢
参考文献
